基于物理先验结构引导的量子误差缓解神经网络训练方法

本发明提供了一种基于物理先验结构引导的量子误差缓解神经网络训练方法，可以应用于量子信息处理与量子机器学习技术领域。该方法包括：对满足Hamming权重为偶数的计算基态依次进行实振幅随机分配操作和标准化操作，得到量子电路输入数据；基于一维横场Ising模型，通过Trotter分解操作设计参数化量子电路，得到具有结构可演化功能的量子电路；将量子电路对量子电路输入数据的处理结果进行多测量基下的输出采样，得到具有配对关系的无噪训练输出数据和含噪训练输出数据；将无噪训练输出数据作为训练标签，利用含噪训练输出数据对量子误差缓解神经网络进行训练，并利用训练完成的量子误差缓解神经网络得到目标量子电路的误差缓解映射关系。